2.课程库

跟教育行业比较适配的产品。目前还没有实现全量上线，需要加白来进行实现。课程库本质上是一种sdpa，核心来帮助计划加课程的模型。有些新计划它没有任何的变化。在投放的过程中，即使有冷启动的扶持，也比较难进行初期的探索。通过sdp相当于加入了对课程的理解模型，以及用户对课程的兴趣偏好。相当于把课程的模型加入到了绑定课程库的计划里面。这样对于计划的探索会有非常大的帮助。

3、全渠道线索

全渠道线索重点是帮助来解决ry 的问题。什么是线索助攻，其实核心逻辑就是来辅助得分，但是最终又没有直接得分，被称之为助攻，逻辑是怎么样的？简单来说，如果用户在巨量引擎下面产生了展示，点击到最终的线索，就直接进入到巨量引擎的转化里面。在巨量引擎这边就叫助攻得分，但往往用户不光能够刷到以前的广告，也能够刷到其他媒体的一些广告。如果在其他媒体也得到了展现之后，在其他媒体发生了转化。这样对于媒体而言，其实也得分。但是在其他媒体的得分对于巨量引擎来说，就可以理解为是助攻。为什么是助攻？因为媒体发生了转化，大概率用户也是高意向的人群，因此就可以把其他媒体的一些数据拿过来，作为模型优化的助攻。像转化是没有办法直接进入到巨量引擎的转化，另外考虑到数据安全的问题，也会对这部分数据进行加密的处理，保证不会去泄露客户或者其他媒体的用户数据。

通过其他媒体的转化模型去进行优化，便于做更多拓展。另外它本身初期解决了金融行业样本稀少的问题。同样道理，放到教育行业也是同样可以解决类似的问题。如果样本稀少，可以提升转化率。如果样本更丰富，可以给带来更好的转化。

4、深度转化

注：图片来源于表格截图

深度转化也是来解决后端ry 的问题。它的核心逻辑是找到完整的转化链路里的深度行为来回传给自己，去做二次的学习。比如说像线索类的销转流程里面，最前期的转化目标是销售线索，中间一层层地筛选出高意向用户和高价值用户，把高意向用户和高价值用户都去做回传。这样的模型就会学得更深，会直接作用到ry 上。这样对的ry有非常大的帮助的。需要注意随着用户意向越来越深，营销链路越来越接近最后的付费。转化数也一定在逐渐下降。因此就要合理地判断应该回传哪一块来作为你的回程目标。